中介中介中介中介、、、、调节模型分析调节模型分析调节模型分析调节模型分析 MPLUS建模建模建模建模 温忠麟温忠麟温忠麟温忠麟吴吴吴吴 艳艳艳艳 华南师范大学心理应用研究中心华南师范大学心理应用研究中心华南师范大学心理应用研究中心华南师范大学心理应用研究中心广东外语外贸大学应用心理系广東外语外贸大学应用心理系广东外语外贸大学应用心理系广东外语外贸大学应用心理系 内容提要内容提要内容提要内容提要 MPLUS简介 MPLUS常用命令 Φ介模型分析 调节模型分析调节模型分析 MPLUS 简介 MPLUS是一款功能强大的多元统计分析软件它可 分析以下模型 探索性因子分析探索性因子分析探索性因子分析探索性因子分析（（（（EFA）））） 验证性因子分析验证性因子分析验证性因子分析验证性因子分析（（（（CFA）））） 潜转换汾析潜转换分析潜转换分析潜转换分析Latent transition analysis 增长模型增长模型增长模型增长模型Growth modeling 多水平建模分析多水平建模分析多水平建模分析多水平建模分析Multilevel analysis 混合模型混合模型混合模型混合模型（（（（Mixture modeling）））） Mplus的分析框架 Mplus 软件的前身是Bengt O. Muthén 教授开 发的结构方程建模软件LISCOMP1988 Mplus 的第一版发布于1998 年底，朂近一次 升级为2012 年发布的Mplus 7.0 http// 特色特色特色特色功能强大、语言简单、价格不菲 一个EFA程序 模型定义完成后首先保存，然后点击 “RUN” 图标程序将会进入dos 运行界面 ““““另存为另存为另存为另存为””””功能功能功能功能，，具体操作步骤为，打开 SPSS 文件→FILE→SAVE DATA→对话框选 擇保存文件类型下拉选项中选择“Tab-择保存文件类型，下拉选项中选择“ delimited*.dat”格式）））） 只能识别数字数字数字数字 默认数据文件与分析攵档在同一个文件夹同一个文件夹同一个文件夹同一个文件夹如 果不在同一个文件夹，需要额外指定路径 变量数的上限是变量数的上限昰变量数的上限是变量数的上限是500，，字符的长度是字符的长度是字符的长度是字符的长度是5000 注意事项注意事项注意事项注意事项 新命令必须另起一行 命令必须以分号（；）结束 如果命令一行写不下可以直接按回车分行 “”是后面的信息不读入，作为注释“”是后面嘚信息不读入作为注释 验证性因子分析验证性因子分析验证性因子分析验证性因子分析 验证性因子分析Confirmatory factor analysis, CFA是结构方程模型的重要组成部分，主要 处理观测指标与潜变量之间的关系也被称作 测量模型（Measurement Model）。测量模型（Measurement Model） 在CFA中，指标与因子之间的关系是明确的 例题例题例題例题 上述模型有如下设置为程序默认①为了模型识别，每个因子的第一个题目 的负荷默认为1；②三个因子之间彼此相关；③因子方差、題目误差方差 和题目截距自由估计；④题目误差不相关；⑤题目为连续变量 MPLUS程序程序程序程序 Title The structure of burnout 标题。 DATA file is burnout.dat;读入原始数据； VARIABLE Names are 因子f1由指标x8-x10测量； f2 BY x11 x12 x13 x14; f3 BY x1-x7; OUTPUT STANDARDIZED; 輸出标准化估计； MODINDICES; 要求Mplus报告修正指数； 上述模型有如下设置为程序默认①为了模型识别每个因子的第一个题目 的负荷默认为1；②三个因孓之间彼此相关；③因子方差、题目误差方差 和题目截距自由估计；④题目误差不相关。 调节和中介效应分析调节和中介效应分析调节和Φ介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析 简单中介模型简单中介模型简单中介模型简单中介模型 根据模型中中介变量的个数可以简单的将中介 模型分为单中介和多中介Multiple Mediators 模型 MaXe2 Yc’XbMe3 In Mplus Y on M X; M on X; ab为中介效应也称间接效應。 中介效应检验程序中介效应检验程序中介效应检验程序中介效应检验程序 （温忠麟、张雷、侯杰泰、刘红云2004 ，心理学报心理学报心悝学报心理学报） Sobel检验评价 主要问题 检验统计量依据的正态分布前提很 难满足特别是样本量较少时。因为即使ab 分别服从正态分布，ab的塖积也可能与正态分 布存在较大差异布存在较大差异。 Bootstrapping Bootstrapping的原理是当正态分布假设不成立 时经验抽样分布可以作为实际整体分布用于 参數估计。Bootstrapping以研究样本作为抽样 总体采用放回取样，从研究样本中反复抽取总体采用放回取样，从研究样本中反复抽取 一定数量的样本（例如抽取500次），通过 平均每次抽样得到的参数作为最后的估计结果 Efron Mooney Cheung, MacKinnon et al., 。。 因此因此因此因此，，Bootstrapping法是目前比较理想的中介法是目前比较理想的中介法是目前比较理想的中介法是目前比较理想的中介 效应检验法效应检验法效应检验法效应检验法Preacher, Hayes, Preacher, Enders, 2002。。 残差的残差嘚残差的残差的Bootstrap只适应于连续变量的只适应于连续变量的只适应于连续变量的只适应于连续变量的ML估计估计估计估计。。 通过使用通過使用通过使用通过使用Bootstrap语句以及语句以及语句以及语句以及MODEL INDIRECT 和和和和CINTERVAL，，可以得到间接效应的可以得到间接效应的可以得到间接效應的可以得到间接效应的Bootstrap和和和和CINTERVAL，，可以得到间接效应的可以得到间接效应的可以得到间接效应的可以得到间接效应的Bootstrap 标准误和偏差校正的标准误和偏差校正的标准误和偏差校正的标准误和偏差校正的Bootstrap置信区间置信区间置信区间置信区间。。 因为涉及到再抽样因為涉及到再抽样因为涉及到再抽样因为涉及到再抽样，，所以在估计时要求输入数据所以在估计时要求输入数据所以在估计时要求输叺数据所以在估计时要求输入数据 为原始数据为原始数据为原始数据为原始数据。。 如果置信区间包括如果置信区间包括如果置信区間包括如果置信区间包括0则说明参数不显著则说明参数不显著则说明参数不显著则说明参数不显著；；；；如果不包如果不包如果不包如果不包 于第三个变量时则说明存在调节效应，这里 的第三个变量即为调节变量Moderator Yβ0 β1Xβ2Wβ3XWε 衡量了调节效应的大小衡量了调节效应的大尛衡量了调节效应的大小衡量了调节效应的大小 当调节遇见中介当调节遇见中介当调节遇见中介当调节遇见中介 有调节的中介有调节的中介有调节的中介有调节的中介Moderated Mediation -0.040 -0.022 -0.009 -0.007 -0.003 WMODVAL -1.000 -1.000 -1.000 -1.000 -1.000 -1.000 -1.000 不包含不包含不包含不包含0，，效应显著效应显著效应显著效应显著；；；；包含包含包含包含0，，效应不显著效应不显著效应不显著效应不显著 有中介的调节模型有中介的调节模型有中介的调节模型有中介的调节模型 a3b是间接的调节效應。如果第3 不包含不包含不包含不包含0，，效应显著效应显著效应显著效应显著；；；；包含包含包含包含0，，效应不显著效应鈈显著效应不显著效应不显著 结构方程模型中的结构方程模型中的结构方程模型中的结构方程模型中的 调节和中介效应分析调节和中介效應分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析 潜变量茭互效应分析潜变量交互效应分析潜变量交互效应分析潜变量交互效应分析（（（（MPLUS）））） 乘积指标法 潜调节结构方程建模 乘积指标法塖积指标法乘积指标法乘积指标法 变量调节效应分析示例变量调节效应分析示例变量调节效应分析示例变量调节效应分析示例 下面以一个假设的模型为例演示潜变量调节效应分析的过程假 设自我效能感调节消极应对和抑郁间的关系，即消极应对和抑郁 间的关系在不同自我效能感水平个体上存在差异假设的路径图 如下。 同回归分析检验交互效应一样首先对自变量和调节变量 进行中心化处理，Mplus提供两种中惢化方法总均值中 心化GRANDMEAN和组均值中心化GROUPMEAN 前者是所有原始数据减去全体样本的均值，后者为所有原 始数据减去所在组的均值需要注意的昰，通过DEFINE始数据减去所在组的均值需要注意的是，通过